ES2760617T3 - Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal - Google Patents

Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal Download PDF

Info

Publication number
ES2760617T3
ES2760617T3 ES13724774T ES13724774T ES2760617T3 ES 2760617 T3 ES2760617 T3 ES 2760617T3 ES 13724774 T ES13724774 T ES 13724774T ES 13724774 T ES13724774 T ES 13724774T ES 2760617 T3 ES2760617 T3 ES 2760617T3
Authority
ES
Spain
Prior art keywords
waveform
neural network
pulse
module
network module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
ES13724774T
Other languages
English (en)
Inventor
Stefano Antonio Di
Roberto Candela
Giuseppe Fiscelli
Giuseppe Giaconia
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Prysmian SpA
Original Assignee
Prysmian SpA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Prysmian SpA filed Critical Prysmian SpA
Application granted granted Critical
Publication of ES2760617T3 publication Critical patent/ES2760617T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1263—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
    • G01R31/1272—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/1227—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials
    • G01R31/1245—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing of components, parts or materials of line insulators or spacers, e.g. ceramic overhead line cap insulators; of insulators in HV bushings
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
    • G01R31/14—Circuits therefor, e.g. for generating test voltages, sensing circuits
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/048—Activation functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Ceramic Engineering (AREA)
  • Testing Relating To Insulation (AREA)

Abstract

Procedimiento de procesamiento de señales de descarga parcial (1100) que comprende: establecer (1000) un primer criterio de discriminación entre los siguientes criterios: adquisición, filtrado de ruido, clasificación de señales de descarga parcial; proporcionar (1002) una pluralidad de formas de onda de impulso asociadas con señales de forma de onda de descarga parcial detectadas; definir (1001) al menos una primera forma de onda de impulso de referencia (RF) que tiene características que dependen del primer criterio establecido; proporcionar un módulo de red neuronal (800, 900) que tiene un único puerto de salida (OP1) configurado para proporcionar un índice de similitud; realizar un primer entrenamiento (1005) del módulo de red neuronal (800; 900) proporcionando un grupo de referencia de muestras de dicha al menos una primera forma de onda de impulso de referencia al módulo de red neuronal para producir el índice de similitud suponiendo selectivamente un primer valor y un segundo valor representativos de una similitud/no similitud de una forma de onda de impulso con la al menos una primera forma de onda de impulso de referencia (RF), respectivamente; comparar (1006) dicha pluralidad de formas de onda de impulso con la al menos una primera forma de onda de impulso de referencia proporcionando primeros grupos de muestras de dicha pluralidad de formas de onda de impulso al módulo de red neuronal para obtener primeros resultados de índice de similitud en el único puerto de salida; memorizar/rechazar (1008; 1009) cada forma de onda de impulso comparada basándose en los primeros resultados de índice de similitud obtenidos y en el segundo criterio de discriminación.

Description

DESCRIPCIÓN
Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal ANTECEDENTES
Campo técnico
[0001] La presente invención se refiere a un procedimiento y aparato de procesamiento de señales de descarga parcial. El procesamiento de descargas parciales se usa particularmente para analizar descargas parciales en componentes y sistemas eléctricos, tales como: cables de media y alta tensión, empalmes de cables, aisladores de líneas aéreas, cajas de cuadros de distribución de media y alta tensión, cables de alta y extra alta tensión que usan GIS (Gas Insulated Switchgear - aparamenta con aislamiento gaseoso).
Descripción de la técnica relacionada
[0002] El término "descargas parciales" pretende indicar una recombinación no deseada de cargas eléctricas que se producen en el material dieléctrico (aislante) de componentes eléctricos, en presencia de defectos de diversos tipos, que conducen finalmente a la destrucción del dieléctrico. Aquí, se genera una corriente de impulsos en porciones del material dieléctrico y hace que se propague una onda electromagnética a través de los cables de energía y de tierra del sistema eléctrico pertinente, y que se irradie a través de los diversos medios circundantes (material dieléctrico, metales, aire, etc.).
[0003] Cuando se realiza una medición de descarga parcial, se adquieren y procesan un gran número de señales de impulsos. La instrumentación moderna permite digitalizar señales de impulsos a una frecuencia de muestreo muy alta, por lo que pueden adquirirse y procesarse todas las formas de onda de impulso. Una operación realizada durante el procedimiento de medición es la selección de impulsos específicos según criterios de discriminación predeterminados. Como ejemplo, los posibles criterios de discriminación son: adquisición de señales de descarga, filtrado de ruido de señales de descarga, clasificación de señales de descarga.
[0004] La adquisición de señales de descarga implica la selección de solo alguna forma de onda (que tenga un nivel más alto que un umbral especificado) entre las detectadas. El filtrado de ruido de señales de descarga implica la selección de impulsos de descarga parcial reales y rechazar el ruido. La clasificación de señales de descarga implica seleccionar impulsos según sus características específicas y agrupar los más similares en clases diferentes.
[0005] La adquisición de señales de descarga puede basarse en el filtrado de frecuencia y el umbral de nivel, implementado por circuitos analógicos. En cambio, el filtrado y la clasificación de ruido de señales de descarga se realizan mediante procedimientos de selección basados generalmente en la extracción de características de la forma de onda. Estos algoritmos generalmente funcionan extrayendo un pequeño conjunto de parámetros (características) de cada forma de onda de impulso y comparándolos con umbrales específicos, intentando así estimar si cada impulso entra dentro de una clase específica. La efectividad de estos algoritmos depende fundamentalmente del conjunto de características específicas elegido.
[0006] Se conocen procedimientos de selección que emplean redes neuronales. El documento JP02-296162 describe un procedimiento para separar y detectar ruido externo y señales de descarga parcial. Según este procedimiento, se corta una capa de apantallamiento de un cable para obtener dos extremos cortados opuestos. Una forma de onda de tensión en forma de impulso generada en uno de los extremos de corte se compara con otra tensión en forma de impulso generada en el otro extremo cortado por medio de una red neuronal. Las dos formas de onda de tensión en forma de impulso son introducidas en una capa de entrada de la red neuronal. Esta comparación permite distinguir señales de descarga parcial (para las que se generan impulsos similares en ambos extremos cortados) de las señales de ruido.
[0007] El documento JP02-296161 describe un procedimiento para detectar la posición de descarga parcial haciendo que una red neuronal aprenda diferentes formas de onda formadas por la descarga parcial. Un conjunto eléctrico donde se genera la descarga parcial se detecta basándose en el resultado del aprendizaje y la onda de la descarga parcial recién generada.
[0008] El documento JP08-338856 ilustra un procedimiento para decidir si está presente o no una descarga parcial. El procedimiento incluye las etapas de: enseñar a una red neuronal; detectar señales de descarga parcial y de ruido procedentes de un punto designado de un cable de energía una pluralidad de veces; alimentar una señal detectada a la red neuronal y determinar un valor de evaluación; promediar una pluralidad de valores de evaluación y comparar con un valor umbral; El documento de OKI I y col.: "Development of Partial Discharge Monitoring Technique Using a Neural Network in a Gas Insulated Substation",IEEE TRANSACTIONS ON POWER SYSTEMS, IEEE SERVICE CENTER, PISCATAWAY, NJ, US, vol. 12, no.2, 1 de mayo de 1977 (1977-05-01) describe un procedimiento de procesamiento de señales de descarga parcial que usa un módulo de red neuronal.
Breve resumen de la invención
[0009] El problema técnico abordado por la invención es el de proporcionar un procedimiento de procesamiento capaz de analizar señales de descarga parcial basándose en criterios de discriminación (tales como adquisición, filtrado de ruido, clasificación de impulso) para que pueda ser utilizable en diferentes aparatos eléctricos en diferentes entornos.
[0010] El solicitante descubrió que un procedimiento para procesar señales de entrada que emplea una red neuronal entrenada con una forma de onda de impulso de referencia definida según un criterio de discriminación elegido y configurada para producir un índice de similitud que supone selectivamente un primer valor y un segundo valor representativos de una similitud/no similitud de una forma de onda de impulso de entrada con la forma de onda de impulso de referencia es adecuada para detectar descargas parciales dañinas en diferentes aparatos eléctricos y en diferentes entornos.
[0011] Según un primer aspecto, la presente invención se refiere a un procedimiento de procesamiento de señales de descarga parcial como se define en la reivindicación 1.
[0012] Ventajosamente, el procedimiento de procesamiento comprende además:
establecer un segundo criterio de discriminación diferente del primer criterio;
seleccionar una segunda forma de onda de impulso de referencia de acuerdo con el segundo criterio; realizar un segundo entrenamiento de dicho módulo de red neuronal para producir el índice de similitud suponiendo selectivamente el primer valor y el segundo valor representativos de una similitud/no similitud de una forma de onda de impulso de entrada adicional con la segunda forma de onda de impulso de referencia, respectivamente; comparar al menos parte de dicha pluralidad de formas de onda de impulso con la segunda forma de onda de impulso de referencia por medio del módulo de red neuronal para obtener segundos resultados de índice de similitud;
memorizar/rechazar cada forma de onda de impulso comparada resultante basándose en los segundos resultados de índice de similitud obtenidos y en el segundo criterio de discriminación.
[0013] Ventajosamente, el módulo de red neuronal está configurado para implementar una función de activación incluida en el grupo que comprende: una función no lineal, una función similar a un escalón, una función sigmoide, una función identidad, una función tangentoide, una función escalón, una función signo, una función lineal por tramos.
[0014] Preferentemente, el módulo de red neuronal comprende:
una pluralidad de puertos de entrada, estando configurado cada puerto de entrada para recibir una muestra digital asociada con un impulso de dicha pluralidad de formas de onda de impulso;
al menos un neurodo que tiene una pluralidad de pesos asociada, y donde el único puerto de salida configurado para proporcionar el índice de similitud está conectado a un neurodo que es un neurodo de salida.
[0015] Como "neurodo" se pretende un elemento de procesamiento de una red neuronal, una neurona artificial.
[0016] Ventajosamente, dicho módulo de red neuronal tiene la estructura de un perceptrón multicapa y comprende una capa oculta provista de una pluralidad de neurodos ocultos que tienen entradas conectadas a la pluralidad de puertos de entrada.
[0017] Como "perceptrón multicapa" se pretende una red neuronal artificial predictiva que comprende múltiples capas de neurodos en un gráfico dirigido, con cada capa conectada totalmente a la siguiente. Particularmente, si se emplea una capa oculta, dicho módulo de red neuronal incluye una única capa oculta que tiene salidas conectadas al neurodo de salida.
[0018] Preferentemente, el primer criterio de discriminación es uno de los siguientes: filtrado de ruido de señales de descarga, clasificación de señales de descarga.
[0019] Preferentemente, el módulo de red neuronal incluye una única capa oculta y es un módulo de software.
[0020] Alternativamente, el módulo de red neuronal tiene la estructura de un perceptrón e incluye un único neurodo conectado entre la entrada y el puerto de salida. Como "perceptrón" se pretende una red neuronal que comprende un único neurodo. Particularmente, dicho perceptrón se usa para implementar dicho criterio de adquisición de señales de descarga. Ventajosamente, dicho módulo de red neuronal es un módulo de hardware.
[0021] Preferentemente, cuando se realiza el segundo entrenamiento, dichos primer y segundo criterios de discriminación son el filtrado de ruido de señales de descarga y la clasificación de señales de descarga.
[0022] Ventajosamente, realizar el primer entrenamiento incluye: calcular una pluralidad de valores de pesos de dicha pluralidad de pesos suministrando al módulo de red neuronal contraejemplos para los que se solicita dicho segundo valor representativo de un resultado de no similitud.
[0023] Preferentemente, comparar por medio del módulo de red neuronal incluye:
definir una pluralidad de grupos de muestras, representando cada grupo de muestras una forma de onda de impulso de dicha pluralidad de formas de onda de impulso;
suministrar cada grupo de muestras a la pluralidad de puertos de entrada
obtener un valor de índice de similitud para cada grupo de muestras.
[0024] Ventajosamente, antes de suministrar cada grupo de muestras a la pluralidad de puertos de entrada, el procedimiento comprende además:
realizar una normalización de forma de onda en la que cada muestra del grupo de muestras se divide por un valor máximo absoluto de forma de onda;
realizar una alineación de picos para que cada muestra de pico de cada grupo de muestras se suministre a un puerto de entrada seleccionado de la pluralidad de puertos de entrada.
[0025] En particular, definir la primera forma de onda de impulso de referencia incluye: sintetizar la primera forma de onda de impulso de referencia de acuerdo con el primer criterio.
[0026] Alternativamente, definir la primera forma de onda de impulso de referencia incluye: seleccionar la primera forma de onda de impulso de referencia de entre dicha pluralidad de formas de onda de impulso.
[0027] Ventajosamente, el procesamiento incluye además:
detectar dichas señales de forma de onda de descarga parcial asociadas con descargas parciales de un componente eléctrico;
detectar una señal electromagnética de sincronización generada por una tensión eléctrica de corriente alterna asociada con el funcionamiento de un objeto eléctrico; sincronizar dichas señales de forma de onda de descarga parcial a dicha señal electromagnética de sincronización.
[0028] Según un segundo aspecto, la presente invención se refiere a un sistema de procesamiento de señales de descarga parcial como se define en la reivindicación 17.
BREVE DESCRIPCIÓN DE LOS DIBUJOS
[0029] Características y ventajas adicionales resultarán más evidentes a partir de la siguiente descripción ofrecida a título de ejemplo con referencia a los dibujos adjuntos en los que:
La figura 1 muestra un ejemplo de un objeto eléctrico, un sistema de adquisición de descarga parcial que comprende un aparato de detección de descarga parcial provisto de un dispositivo de adquisición y análisis y un módulo de procesamiento de selección.
La figura 2 muestra un ejemplo de módulo de procesamiento de descarga empleable por dicho sistema de adquisición de descarga parcial que comprende un módulo de filtrado de paso alto y un amplificador;
la figura 3 muestra un ejemplo de módulo de procesamiento de sincronización empleable por dicho sistema de adquisición de descarga parcial;
la figura 4 muestra esquemáticamente un dispositivo de adquisición y análisis;
la figura 5, a) muestra un ejemplo de la tendencia de una forma de onda de impulso que ha de ser procesada y la figura 5, b) muestra un primer ejemplo de un módulo de red neuronal empleable por dicho sistema de adquisición de descarga parcial que tiene la estructura de un perceptrón multicapa; la figura 6 muestra la arquitectura de un neurodo de ejemplificación empleable por dicho módulo de red neuronal;
la figura 7, a) muestra nuevamente dicho ejemplo de la tendencia de una forma de onda de impulso que ha de ser procesada y la figura 7, b) ilustra un segundo ejemplo del módulo de red implementado como un perceptrón; la figura 8 muestra diagrama de flujo que ilustra un ejemplo de un procedimiento de procesamiento empleable por dicho sistema de adquisición de descarga parcial;
DESCRIPCIÓN DETALLADA
[0030] La Figura 1 muestra un objeto eléctrico 100 y un sistema de adquisición de descarga parcial 500 que comprende un aparato de detección de descarga parcial 400, un dispositivo de adquisición y análisis 300 y un módulo de procesamiento de selección 700 que es particularmente externo al aparato de detección de descarga parcial 400. El dispositivo de adquisición y análisis 300 puede estar incluido en un alojamiento que también contiene el aparato de detección de descarga parcial 400 (como en la Figura 1) o puede proporcionarse en un alojamiento separado, por ejemplo, junto con el módulo de procesamiento de selección 700. Como ejemplo, el aparato de detección de descarga parcial 400 es portátil e incluye una o más baterías.
[0031] El objeto eléctrico 100 puede ser cualquier clase de componente, dispositivo, aparato o sistema que pueda producir impulsos electromagnéticos de descarga parcial y es, como ejemplo: un cable de media o alta tensión, un empalme de cables, un aislador de línea aérea, una caja de cuadro de distribución de media o alta tensión, un cable de alta y extraalta tensión voltaje que usa GIS (aparamenta con aislamiento gaseoso), un motor o generador eléctrico o un transformador de media o alta tensión.
[0032] El sistema de adquisición de descarga parcial 500 es un aparato electrónico empleable para detectar, medir y/o procesar y analizar descargas parciales generadas por fuentes eléctricas como el objeto eléctrico 100. En particular, el sistema de adquisición de descarga parcial 500 puede ser portátil y está incluido en una carcasa no mostrada en las figuras.
[0033] El sistema de adquisición de descarga parcial 500 está configurado preferentemente para ser colocado cerca del objeto eléctrico 100 para detectar señales electromagnéticas de descarga Sd que corresponden a impulsos de descarga parcial emitidos por el objeto eléctrico 100. También se observa que en el área en la que se emplea el sistema de adquisición de descarga parcial 500 pueden estar presentes señales de ruido electromagnético Sn que podrían perturbar la detección de las señales electromagnéticas que corresponden a los impulsos de descarga parcial.
[0034] Las señales de descarga Sd que han de ser detectadas pueden ser impulsos de onda electromagnética que tienen frecuencias incluidas en el intervalo de 0,1 MHz a 100 MHz. Las señales de ruido Sn tienen típicamente frecuencias incluidas en el mismo intervalo de 0,1 MHz a 100 MHz.
[0035] El aparato de detección de descarga parcial 400 (en lo sucesivo, también denominado "aparato de detección" por concisión) comprende un sensor 1 que está adaptado para detectar las señales de descarga Sd, pero también puede recibir señales de ruido electromagnético no deseadas Sn. El sensor 1 puede ser un sensor de contacto o un sensor sin contacto. Un sensor de contacto se pone en contacto o cerca del objeto eléctrico 100, mientras que un sensor sin contacto o inalámbrico está adaptado para realizar una detección remota, es decir, sin hilos o cables que conecten la fuente y el dispositivo sensor y sin contacto físico. Como ejemplo, la detección remota puede realizarse a una distancia de la fuente de señal de 1 cm a 10 m. Ejemplos de sensores de contacto son: Sensor Rogowsky y sensor magnético de tipo transformador acoplador. Ejemplos de sensores sin contacto son: sensor de proximidad de campo magnético, sensor acústico y sensor piezoeléctrico.
[0036] De acuerdo con la realización descrita, el sensor 1 es una antena que puede estar montada, como ejemplo, en una estructura de soporte 2. Como ejemplo adicional, la antena 1 puede ser una de las siguientes antenas: antena de parche pequeño, antena de cuadro, dipolo y antena de banda ultra ancha. Preferentemente, la antena 1 es de forma esférica e incluye una esfera hueca en material eléctricamente conductor tal como, por ejemplo, metal o material polimérico. La antena de forma esférica 1 muestra, como ejemplo, un diámetro comprendido entre 3 y 30 cm, preferentemente comprendido entre 5 y 20 cm. En particular, la antena 1 puede ser análoga a la descrita en la solicitud de patente WO-A-2009-150627.
[0037] La antena 1 está configurada para recibir las señales de descarga Sd y la señal de ruido no deseada Sn y convertirlas en una señal eléctrica recibida Sn (por ejemplo, una corriente eléctrica) disponible en un primer terminal de salida 3. El aparato de detección de descarga parcial 400 de la figura 1 comprende además un módulo de procesamiento de descarga 600 y un módulo de procesamiento de sincronización 200. El módulo de procesamiento de descarga 600 muestra un primer terminal de entrada 5 conectado, por medio de una primera línea conductora 4, al primer terminal de salida 3 de la antena 1 y está estructurado para realizar un filtrado de paso de banda y/o una amplificación de la señal eléctrica recibida Sn proporcionando así una señal de descarga de salida Sd-out en el segundo terminal de salida 6.
[0038] La figura 2 se refiere a un ejemplo del módulo de procesamiento de descarga 600 que comprende un módulo de filtrado de paso alto 7 que tiene una entrada respectiva conectada al primer terminal de entrada 5 y estructurado para eliminar el ruido de baja frecuencia, tal como señales que tienen frecuencias inferiores a 0,1 MHz. Como ejemplo, el módulo de filtrado de paso alto 7 puede incluir un primer condensador C1 conectado en serie con una primera resistencia R1. Una salida del módulo de filtrado de paso alto 7 está conectada a un primer amplificador 8 que tiene un terminal de salida respectivo conectado al segundo terminal de salida 6. Como ejemplo, puede conectarse otro filtro, como un filtro de paso de banda, supresor de banda o de paso bajo (no mostrado) a la salida del módulo de filtrado de paso alto 7 para obtener una respuesta de frecuencia de paso de banda global con características deseadas.
[0039] El primer amplificador 8 está provisto de un primer terminal de suministro 9 para una tensión de suministro V1 y un segundo terminal de suministro 10 conectado a un terminal de tierra GND. El primer amplificador 8 muestra, como ejemplo, un ancho de banda que incluye al menos el ancho de banda de la primera antena 1, como ejemplo, un ancho de banda que varía de 0,1 MHz a 100 MHz.
[0040] El módulo de procesamiento de sincronización 200 incluido en el aparato de detección 400 está configurado para recibir, filtrar y amplificar una primera señal eléctrica de sincronización Ssyni en un segundo terminal de entrada 11 y proporcionar en un tercer terminal de salida 12 una segunda señal eléctrica de sincronización Ssyn2. La primera señal eléctrica de sincronización Ssyn1 representa la tendencia de la tensión eléctrica de CA (corriente alterna) suministrada al objeto eléctrico 100 bajo prueba. Típicamente, la tensión eléctrica de CA tiene una frecuencia comprendida entre 1 Hz y aproximadamente 1000 Hz. La primera señal eléctrica de sincronización Ssyn1 puede obtenerse, por ejemplo, mediante una detección inalámbrica y sin contacto, realizada por la antena 1, de una señal electromagnética de suministro Ssup generada por la tensión eléctrica que pasa a través del objeto eléctrico 100.
[0041] El segundo terminal de entrada 11 está conectado a la primera línea conductora 4 para recibir la señal eléctrica recibida Sin1, que también incluye la primera señal eléctrica de sincronización Ssyn1. En el presente ejemplo, la antena 1 está diseñada para funcionar como un sensor de acoplamiento capacitivo para detectar la primera señal eléctrica de sincronización Ssyn1 de la señal electromagnética de suministro Ssup. Además, la antena 1 está diseñada para ofrecer un acoplamiento capacitivo adecuado con la tensión eléctrica de CA (corriente alterna) que alimenta el objeto eléctrico 100 que muestra, como ejemplo, una superficie de acoplamiento adecuada.
[0042] Alternativamente, la primera señal eléctrica de sincronización Ssyn1 puede detectarse mediante un sensor de sincronización 13 conectable al segundo terminal de entrada 11, tal como una antena adicional para una detección inalámbrica y sin contacto, u otro tipo de sensor para ser puesto en contacto con el objeto eléctrico 100 o con otro componente eléctrico que funcione a la misma tensión eléctrica suministrada al objeto eléctrico 100.
[0043] La figura 3 muestra el módulo de procesamiento de sincronización 200 que comprende un módulo amplificador 14, tal como un amplificador separador de alta ganancia, que tiene una entrada conectada al segundo terminal de entrada 11 y un cuarto terminal de salida 15 conectado a un módulo de filtro de paso bajo 16. El amplificador separador de alta ganancia 14 también está provisto de un tercer terminal de alimentación 17 para la tensión de alimentación VI y un cuarto terminal de alimentación 18 conectado al terminal de tierra GND.
[0044] Como ejemplo, el amplificador separador de alta ganancia 14 es un amplificador de tensión y tiene una ganancia superior a 100. Además, el amplificador separador de alta ganancia 14 muestra una impedancia de entradasalida superior a 1 MOhm y puede tener un ancho de banda global inferior a 1 kHz. El módulo de filtro de paso bajo 16 incluye, en este ejemplo, una segunda resistencia R2, conectada entre el cuarto terminal de salida 15 y un nodo 19, y un segundo condensador C2 conectado entre el nodo 19 y el terminal de tierra GND. El nodo 19 está conectado al tercer terminal de salida 12.
[0045] El dispositivo de adquisición y análisis 300 y/o el módulo de procesamiento de selección 700 está(n) configurado(s) para realizar un procedimiento de discriminación de la señal de descarga de salida Sd-out según al menos uno de los siguientes criterios de discriminación: adquisición de señales de descarga, filtrado de ruido de señales de descarga y clasificación de señales de descarga. En particular, cada criterio de discriminación puede implementarse mediante una comparación con una forma de onda de impulso de referencia elegida adecuadamente, es decir, que muestra una amplitud del impulso que tiene que ser superior a un nivel umbral. El procedimiento de adquisición de señal de descarga permite seleccionar y almacenar formas de onda de impulso que cumplen un criterio particular basado, como ejemplo, en características predeterminadas que el impulso tiene que mostrar para ser adquirido. En particular, este criterio de discriminación se implementa mediante una comparación de la señal de descarga de salida Sd-out con una forma de onda de impulso de referencia. Se adquieren las formas de onda de impulso que muestran un cierto grado de similitud con la forma de onda de referencia (se genera un evento de activación), de lo contrario, se rechazan.
[0046] El procedimiento de filtrado de ruido de señales de descarga permite identificar entre la señal de descarga de salida Sd-out, o en señales derivadas de la señal de descarga de salida Sd-out, formas de onda de impulso que corresponden a fenómenos de descarga parcial reales y rechazar formas de onda de ruido. Según un ejemplo, este procedimiento de filtrado de ruido de señales de descarga puede ser adicional al filtrado de ruido realizado en el módulo de procesamiento de descarga 600. En particular, este criterio de discriminación se implementa mediante una comparación con una forma de onda de impulso de referencia que muestra una forma típica de los fenómenos de descarga parcial y diferente de las señales de ruido.
[0047] El procedimiento de clasificación de señales de descarga permite agrupar formas de onda de impulso, seleccionadas de la señal de descarga de salida Sd-out, o señales derivadas de la señal de descarga de salida Sd-out, en una pluralidad de clases diferentes que corresponden a diferentes fenómenos de descarga parcial. Como ejemplo, una primera clase de impulso de descarga parcial se refiere a señales de descarga parcial debidas a un defecto en el dieléctrico interno del objeto eléctrico, mientras que una segunda clase de impulso de descarga parcial se refiere a un defecto en la superficie y otra a descarga por efecto corona. En particular, este criterio de discriminación se implementa mediante una comparación con una forma de onda de impulso de referencia que muestra una forma típica de la clase predeterminada.
[0048] Cada uno de los criterios de discriminación mencionados anteriormente puede implementare por medio de un módulo de red neuronal incluido en el dispositivo de adquisición y análisis 300 y/o en el módulo de procesamiento de selección 700. El módulo de red neuronal puede configurarse para implementar un procedimiento de discriminación según un único criterio. En este caso, para implementar un procedimiento de discriminación según dos o tres de los criterios de discriminación enumerados anteriormente, se emplean dos o tres módulos de red neuronal separados, respectivamente. Alternativamente, puede proporcionarse un único módulo de red neuronal para implementar selectivamente más de un criterio de discriminación.
[0049] El procedimiento de adquisición de señales de descarga puede realizarse mediante el dispositivo de adquisición y análisis 300, mientras que el procedimiento de filtrado de ruido de señales de descarga y el procedimiento de clasificación de señales de descarga pueden realizarse mediante el módulo de procesamiento de selección 700.
[0050] Con referencia a este primer ejemplo, el dispositivo de adquisición y análisis 300 de la figura 1 está configurado para recibir la señal de descarga de salida Sd-out y realizar etapas de procesamiento para producir una pluralidad de muestras digitales DS que representan esta señal de descarga de salida Sd-out. En particular, el dispositivo de adquisición y análisis 300 está configurado para representar una forma de onda de impulso de la señal de descarga de salida Sd-out con varias muestras comprendidas entre 32 y 256. Como ejemplo, el dispositivo de adquisición y análisis 300 está estructurado para realizar etapas de procesamiento de conversión analógica-digital, selección, adquisición y sincronización.
[0051] La figura 4 muestra esquemáticamente un ejemplo del dispositivo de adquisición y análisis 300 que comprende un amplificador programable de banda ancha opcional 71 que tiene una entrada conectada al segundo terminal de salida 6 del módulo de procesamiento de descarga 600 y una salida respectiva conectada a un convertidor analógico-digital 72 (ADC). El dispositivo de adquisición y análisis 300 también incluye un módulo de control 73 tal como una matriz de puertas programables in situ (FPGa ) que está estructurada para controlar el amplificador programable de banda ancha 71 y recibir datos del convertidor analógico-digital 72. El amplificador programable de banda ancha 71 puede programarse para impartir a la señal de salida de descarga Sd-out un valor de compensación y un valor de ganancia de amplificación por medio de la señal de compensación Soff y una señal de ganancia S9a proporcionada por el módulo de control 73, produciendo así una señal de salida amplificada Saout.
[0052] El amplificador programable de banda ancha 71 permite, como ejemplo, una variación de ganancia continua que varía de aproximadamente -5 dB a 40 dB. El convertidor analógico-digital 72 está estructurado para ser sincronizado por una señal de reloj CK generada por el módulo de control 73 y generar datos convertidos DTA para ser enviados al módulo de control 73. El convertidor analógico-digital 72 es, como ejemplo, capaz de convertir 250 megamuestreadores por segundo con una resolución de 8 bits. Esta frecuencia de muestreo permite adquirir la señal eléctrica de descarga Sd-out con una resolución de tiempo de 4 ns. Se observa que la mayoría de impulsos de descarga parcial normalmente duran más de 0,5 ms.
[0053] En particular, el módulo de control 73 incluye una unidad de procesamiento (PU) 74, como un microprocesador, una memoria 75 (M), como una RAM (memoria de acceso aleatorio) y un módulo de lógica de sincronización 76 (SINL). Más particularmente, la memoria 75 puede ser una memoria intermedia circular. La unidad de procesamiento 74 está conectada a un módulo de temporización (TM) 87 que proporciona una señal de reloj.
[0054] El módulo de lógica de sincronización 76 está configurado para recibir la segunda señal de sincronización Ssyn2, extraer de él la información de temporización transportada, como el período y la fase de la tensión eléctrica de CA, y transferir la información a la unidad de procesamiento 74.
[0055] Un puerto de entrada/salida 77 permite transferir comandos de salida Comm generados por la unidad de procesamiento 74 al amplificador programable de banda ancha 71 bajo la forma de la señal de compensación Soff y la señal de ganancia S9a.
[0056] El módulo de control 73 también está provisto de un módulo de activación (TRLM) 78 y de un módulo de generación de direcciones (ADD-GEN) 79 configurado para generar las direcciones necesarias para escribir nuevos datos en la memoria 75 y leer datos almacenados en la memoria 75, bajo el control de la unidad de procesamiento 74.
[0057] El módulo de activación 78 está estructurado para realizar el procedimiento de adquisición de señales de descarga y está configurado para activar la memorización de muestras de la señal de salida amplificada Saout que sale del amplificador programable de banda ancha 71 solo para muestras de la señal de salida amplificada Saout que cumplen el criterio de discriminación.
[0058] El módulo de control 73 comprende además un módulo de interfaz de anfitrión (INTF) 80 que permite la transferencia de datos de neurodo a un transceptor (TR) 81, por ejemplo, un transceptor USB/Ethernet, configurado para intercambiar datos/comandos con el módulo de procesamiento de selección 700 por una línea de conexión cableada o inalámbrica BD.
[0059] El módulo de control 73 también puede estar provisto de un módulo de extracción 83 (por ejemplo, un coprocesador CO-P) conectado a la unidad de procesamiento 74. El módulo de extracción 83 está configurado para realizar la extracción, particularmente, extracción en tiempo real de características de impulso desde el almacén de datos en la memoria 79. Ejemplos de posibles características de pulso extraídas por el coprocesador son: valor de pico y polaridad, fase, energía, duración y estimación aproximada de los parámetros de Weibull.
[0060] De acuerdo con el primer ejemplo descrito, el módulo de activación 78 incluye un primer módulo de red neuronal 800; un ejemplo de la arquitectura del primer módulo de red neuronal 800 se muestra en la figura 5b. El primer módulo de red neuronal 800 está configurado para proporcionar un índice de similitud SI que representa una similitud entre una señal de referencia y una señal de forma de onda de entrada. El índice de similitud SI puede suponer selectivamente un primer valor (por ejemplo, el valor 1) representativo de un resultado de similitud positivo o un segundo valor (por ejemplo, el valor 0) representativo de un resultado de no similitud.
[0061] El primer módulo de red neuronal 800 de la figura 5b comprende una pluralidad de puertos de entrada IP - i - I P n , al menos una capa oculta 801 interconectada con la pluralidad de puertos de entrada IP - i - I P n , un neurodo de salida ON1 y un puerto de salida OP1 (por ejemplo, un único puerto de salida). El primer módulo de red neuronal particular 800 mostrado en la figura 5b tiene la estructura de un perceptrón multicapa que tiene una única capa oculta 801. La capa oculta 801 comprende una pluralidad de neurodos ocultos H N - i - H N h que tienen entradas conectadas a la pluralidad de puertos de entrada IP1-IPN y que tienen cada una una salida conectada al neurodo de salida ON1.
[0062] La figura 5,a) muestra un ejemplo de una tendencia de una forma de onda de impulso PWs incluida en la señal de salida amplificada Saout recibida en el convertidor analógico-digital 72. El convertidor analógico-digital 72 está estructurado para representar la forma de onda de impulso PWs por medio de muestras SW1-SWN. En particular, el número N de los puertos de entrada IP1-IP n es igual al número de muestras SW1-SWN. Cada muestra SW1-SWN está representada por un valor digital.
[0063] La figura 6 muestra la arquitectura de un neurodo ejemplar EN que puede corresponder a uno del neurodo HN1-HNH de la capa oculta 801 o al neurodo de salida ON1. La arquitectura del neurodo EN muestra una pluralidad de entradas X1-Xn, una entrada de polarización B (por ejemplo, fijada en 1), una pluralidad de pesos W0-Wn, un nodo de suma 802 (£), un módulo de función de activación 803 (f (£)) y una salida 804. El neurodo EN está configurado para que el valor de cada entrada Xi sea multiplicado por un peso W i y sumados juntos en el nodo de suma 803. La salida del neurodo se calcula como una función f de esta suma.
[0064] El módulo de función de activación 803 empleado en el módulo de red neuronal 800 puede ser una función no lineal similar a un escalón como la función de activación sigmoide. Otras funciones de activación empleables son: función de identidad, función tangentoide, función escalón, función signo y función lineal por tramos. Las funciones continuas (por ejemplo, sigmoide, tangentoide y lineal por tramos, etc.) logran mejores resultados en comparación con las funciones discontinuas (como escalón, signo, etc.).
[0065] De acuerdo con una primera realización del primer módulo de red neuronal 800, cada neurodo oculto H N 1 - H N h de la capa oculta 801 y el neurodo de salida ON1 incluye una entrada de polarización B y emplea una función de activación lineal por tramos. Como ejemplo, pueden emplearse 4 neurodos ocultos HN1-HN4 y se implementan 256 puertos de entrada IP1-I P n .
[0066] El primer módulo de red neuronal 800 puede ser entrenado eligiendo un grupo de referencia de muestras que han de usarse como muestra de entrada y eligiendo un resultado de salida objetivo del índice de similitud SI. Durante la etapa de entrenamiento, los datos de entrada se aplican a los puertos de entrada IP1-IP n , se calcula un índice de corriente en el puerto de salida OP1 del primer módulo de red 800 (avanzando desde las entradas a las salidas) y se evalúa la diferencia con la salida objetivo, es decir, un error.
[0067] A continuación, los pesos Wc-Wn se ajustan iterativamente con el fin de minimizar el error. Una vez que el error es suficientemente bajo, el primer módulo de red neuronal 800 puede proporcionar la salida correcta para cada entrada recibida. Si el primer módulo de red neuronal 800 está provisto de la capa oculta 801, puede usarse un algoritmo llamado "retropropagación" para realizar el entrenamiento. Este algoritmo ajusta los pesos Wü-Wn, comenzando desde el resultado de salida y avanzando hacia la capa de entrada, y es bastante pesado de implementar para grandes redes neuronales. Si no están presentes capas ocultas, los algoritmos de entrenamiento son bastante simples y rápidos (es decir, una regla de Hebb, una regla Delta u otras reglas). En ambos casos, el entrenamiento puede realizarse en software y, una vez que los valores resultantes de los pesos W0-Wn están disponibles, se descargan en el módulo de hardware Esto evita una implementación de hardware de los circuitos de entrenamiento.
[0068] De acuerdo con un segundo ejemplo (mostrado en la figura 7b), el primer módulo de red neuronal 800 se implementa como un perceptrón. Un perceptrón es una red neuronal que tiene un único neurodo, por lo que el primer módulo de red neuronal 800 de la figura 7b es análogo a la primera realización mostrada en la figura 5,b) pero no comprende ninguna capa oculta: los puertos de entrada IP1-IP n están dirigidos conectados al neurodo de salida ON1. En particular, el módulo de red neuronal 800 es un perceptrón que emplea una función de activación lineal o una función de activación lineal por tramos. La función de activación lineal por tramos 803 es, como ejemplo, una función de activación escalón y los pesos W0-Wn son coeficientes de un bit. Se observa que un perceptrón que tiene una función de activación lineal es un ejemplo particular de una red ADALINE (ADAptive LInear NEuron - neurona lineal adaptativa). Una red ADALINE es una red neuronal de una única capa.
[0069] El módulo de activación 78 es implementado preferentemente por el primer módulo de red neuronal 800 del segundo ejemplo (como se muestra en la figura 7b). En particular, el primer módulo de red neuronal 800 del módulo de activación 78 se implementa en hardware y los pesos se implementan en hardware como coeficientes fijos W0-Wn. El procedimiento de entrenamiento del segundo ejemplo mostrado en la figura 7b es más fácil que el del primer ejemplo mostrado en la figura 6b y requiere menos capacidad de memoria. Por ejemplo, cada muestra SWi de una forma de onda de impulso PWs puede representarse mediante un número entero de 1 a 8 bits. En particular, puede usarse una regla de Hebb o una regla delta para realizar el procedimiento de entrenamiento.
[0070] Esto permite una gran reducción de requisitos de cálculo y de memoria para almacenar pesos. Cuando se usa con fines de activación, el ejemplo preferido conlleva una ventaja sustancial en comparación con el MLP completo. Dado que el ANN tiene que implementarse en hardware por medio de circuitos lógicos con el fin de manejar la alta tasa de muestreo comúnmente usada en estas aplicaciones (100 a 200 MHz), la disponibilidad de un circuito simplificado es esencial.
[0071] Con referencia ahora al módulo de selección y procesamiento 700 (figuras 1 y 4), comprende los siguientes módulos/dispositivos: un transceptor (TR) 701 para intercambiar datos/comandos con el dispositivo de adquisición y análisis 300, una unidad de procesamiento (PU) adicional 702, módulos de memoria (M) 703, un dispositivo de visualización e interfaz (DYS) 704, como un teclado y/o una pantalla táctil. Además, el módulo de selección y procesamiento 700 comprende al menos un segundo módulo de red neuronal 900 que está configurado, en particular, para implementar: filtrado de ruido de señales de descarga y/o clasificación de señales de descarga.
[0072] El módulo de selección y procesamiento 700 también permite recibir la pluralidad de muestras digitales DS junto con la información de temporización recibida desde el dispositivo de adquisición y análisis 300 y producir un patrón de resolución de fase en el que cualquier muestra digital DS está asociada con una fase sincronizada adecuadamente con la señal electromagnética de alimentación Ssup. Como ejemplo, el módulo de procesamiento 700 permite visualizar este patrón de resolución de fase en el que la amplitud máxima de cada impulso se representa gráficamente frente al valor de fase correspondiente, y/o las muestras de las formas de onda de impulso se visualizan frente al tiempo.
[0073] De acuerdo con un ejemplo, el segundo módulo de red neuronal 900 puede ser idéntico o análogo al primer segundo módulo de red neuronal 800 descrito con referencia a las figuras 6, 7 y 8. En particular, el filtrado de ruido de las señales de descarga y la clasificación de las señales de descarga pueden implementarse mediante dos módulos de red neuronal respectivos, cada uno análogo al segundo módulo de red neuronal 900, o el segundo módulo de red neuronal 900 puede usarse tanto para implementar el filtrado de ruido de señales de descarga como la clasificación de señales de descarga. Preferentemente, el segundo módulo de red neuronal 900 es un módulo de software y, en particular, es análogo al primer módulo de red neuronal 800 que se muestra en la figura 5b y que comprende una capa oculta 801. Como ejemplo, para el filtrado de ruido y la clasificación de señales de descarga, cada muestra SWi de una forma de onda de impulso PWs puede representarse por un número entero de 1 a 8 bits y los coeficientes Wc-Wn pueden tener una representación numérica de coma fija (por ejemplo, representación de 16 bits) o representación numérica de coma flotante (por ejemplo, representación de 32 bits).
[0074] La figura 8 muestra un diagrama de flujo que ilustra un ejemplo del procedimiento de procesamiento 1100 empleable por el primer módulo de red neuronal 800 o por el segundo módulo de red neuronal 900 al implementar uno de los criterios de discriminación enumerados anteriormente. El procedimiento de procesamiento 1100 comprende una etapa de configuración 1000 en la que se establece un primer criterio de discriminación entre los siguientes criterios: adquisición de señales de descarga, filtrado de ruido de señales de descarga, clasificación de señales de descarga. La etapa de configuración 1000 puede realizarse mediante un módulo de configuración correspondiente, como un módulo de software, incluido en el dispositivo de adquisición y análisis 300 y/o en el módulo de procesamiento de selección 700. El procedimiento de procesamiento 1100 incluye además una etapa de selección de referencia 1001 (REF-SEL) en el que se elige al menos un impulso de referencia RF según el criterio de discriminación específico que ha de implementarse. En particular, se selecciona un conjunto de impulsos de referencia RF. Los impulsos de referencia RF pueden ser seleccionados manualmente por el usuario empleando un módulo de selección de referencia correspondiente, como un componente de software, incluido en el dispositivo de adquisición y análisis 300 y/o en el módulo de procesamiento de selección 700.
[0075] Este conjunto de impulsos de referencia RF puede diseñarse específicamente (sintetizarse) como se describirá con más detalle con referencia al funcionamiento del módulo de activación 78. Con referencia a la discriminación de filtrado de ruido o los criterios de clasificación, el conjunto de impulsos de referencia RF puede elegirse entre un patrón de resolución de fase, es decir, una pluralidad de formas de onda de impulso, almacenado en la memoria 703 del módulo de procesamiento de selección 700, como se representa en la figura 8 mediante una etapa de recuperación (RF-RETR) 1002. Cada impulso de referencia RF puede ser uno del grupo ya adquirido de muestras digitales DS que corresponde a una forma de onda de impulso que muestra algunas propiedades específicas, como la posición en el patrón de resolución de fase, el intervalo específico de algún valor de característica de impulso, indicación de tiempo u otros parámetros. En particular, los impulsos de referencia RF pueden ser los impulsos ubicados en un área específica del patrón de resolución de fase que tienen una distancia vectorial corta desde un punto en el patrón de resolución de fase señalado por el usuario. Esta estrategia puede producir resultados satisfactorios ya que, generalmente, los impulsos encontrados en la misma región del patrón de resolución de fase se originan por el mismo fenómeno físico y, por lo tanto, tienen una forma similar. Cabe señalar que la selección de impulsos de referencia RF entre impulsos similares no es particularmente crítica ya que la relación de similitud es transitiva.
[0076] Preferentemente, el procedimiento de procesamiento 1000 incluye una etapa de normalización de forma de onda (WAV-NORM) 1003 y una etapa de alineación de pico (PK-ALGN) 1004. En la etapa de normalización de forma de onda 1003, cada muestra de cada forma de onda de impulso PWs se divide por el máximo absoluto de forma de onda. La etapa de alineación de pico 1004 se realiza desplazando las muestras de forma de onda hacia adelante o hacia atrás a lo largo de los puertos de entrada IP1-IPn para que cada muestra de pico de cada forma de onda de impulso se suministre a un puerto de entrada seleccionado de la pluralidad de puertos de entrada IP1-IPn con el fin de alinear la posición de los valores máximos de todas las formas de onda de impulso procesadas. La etapa de normalización de forma de onda (WAV-NORM) 1003 y una etapa de alineación de pico (PK-ALGN) 1004 pueden implementarse mediante módulos de cálculo correspondientes, como componentes de software, que se ejecutan bajo el control de la unidad de procesamiento 74 y/o la unidad de procesamiento adicional 702.
[0077] La etapa de normalización de forma de onda 1003 y la etapa de alineación de pico 1004 permiten eliminar dos diferencias no esenciales en las formas de onda, debido a la escala y el desplazamiento de tiempo, requiriendo así una arquitectura menos compleja del primer módulo de red neuronal 800 y el segundo módulo de red neuronal 900 para realizar el procesamiento.
El procedimiento de procesamiento 1100 incluye una etapa de entrenamiento (TRN) 1005 en la que el primer módulo de red neuronal 800 o el segundo módulo de red neuronal 900 se entrena empleando datos de entrada de entrenamiento que corresponden al conjunto seleccionado de impulsos de referencia RF y un conjunto de formas de onda de contraejemplo. Una forma de onda de contraejemplo puede ser una forma de onda de impulso específicamente diseñada (sintetizada) o puede ser uno del grupo ya adquirido de muestras digitales DS que corresponde a una forma de onda de impulso ubicada fuera del área del patrón de resolución de fase elegido por el usuario para seleccionar el conjunto de impulsos de referencia RF. La etapa de entrenamiento 1005 se realiza suministrando datos de entrada de entrenamiento en los puertos de entrada IP1-IPn , calculando los resultados en el puerto de salida OP1 y calculando errores con respecto a los valores objetivo del índice de similitud SI. A continuación, los pesos W0-Wn se ajustan iterativamente con el fin de minimizar el error. En la etapa de entrenamiento 1005, cuando uno de los impulsos de referencia RF se emplea como datos de entrada de entrenamiento, el valor objetivo se establece en 1, cuando uno de los contraejemplos se usa como datos de entrada de entrenamiento, el valor objetivo se establece en 0. La etapa de entrenamiento 1005 puede ser gestionada por un módulo de entrenamiento, como un componente de software provisto en el dispositivo de adquisición y análisis 300 y/o en el módulo de procesamiento de selección 700. Se observa que cuando el primer módulo de red neuronal 800 o el segundo módulo de red neuronal 900 es implementado por un perceptrón (figura 7b) y se emplea un único impulso de referencia RF, la etapa de entrenamiento 1005 puede llevarse a cabo eligiendo cada peso W0-Wn igual a un valor del grupo de muestras que corresponde al impulso de referencia RF empleado. También se observa que, en este caso, el perceptrón de la figura 7b opera realizando una comparación de correlación cruzada. La etapa de entrenamiento 1005 se lleva a cabo usando muestras que resultan de la etapa de normalización de forma de onda 1003 y la etapa de alineación de pico 1004.
[0078] En una etapa de cálculo (COMP) 1006, el primer módulo de red neuronal 800 o el segundo módulo de red neuronal 900 es alimentado, en una etapa de suministro (PLS-SUP-PL) 1007, con una pluralidad de muestras digitales que corresponden a una forma de onda de impulso que ha de ser procesada. Con referencia al criterio de adquisición, la forma de onda de impulso está incluida en la señal de salida amplificada Saout. Si se realiza el procedimiento de filtrado de ruido, las formas de onda de impulso son las muestras digitales DS adquiridas por el módulo de activación 78 y enviadas al módulo de procesamiento 700. Al llevar a cabo el procedimiento de clasificación, las formas de onda de impulso suministradas a los puertos de entrada IP1-IPn son las muestras que corresponden a las formas de onda de impulso seleccionadas al aplicar el procedimiento de filtrado de ruido. La etapa de cálculo 1006 se lleva a cabo usando muestras que han sido procesadas según la etapa de normalización de forma de onda 1003 y la etapa de alineación de pico 1004.
[0079] Basándose en los valores de los índices de similitud SI obtenidos por el primer módulo de red neuronal 800 o el segundo módulo de red neuronal 900, las formas de onda de impulso pueden ser rechazadas (etapa de rechazo REJ 1008) o pueden ser seleccionadas y memorizadas (etapa de memorización MEM 1009). Sin embargo, las formas de onda de impulso rechazadas pueden ser memorizadas con el fin de realizar análisis adicionales. Si el procedimiento de procesamiento 1100 implementa el criterio de adquisición de señales de descarga o el criterio de filtrado de ruido, las formas de onda de impulso seleccionadas en la etapa de memorización 1009 pueden ser almacenadas en la memoria 703.
[0080] A continuación, se describe en esta solicitud un ejemplo del funcionamiento del sistema de adquisición de descarga parcial 500 que implementa una realización particular del procedimiento de procesamiento 1100.
[0081] En funcionamiento (figura 1), la antena 1 capta las señales de descarga Sd, las señales de ruido Sn y la señal electromagnética de suministro Ssup y genera la señal eléctrica recibida Sin1. La señal eléctrica recibida Sn es filtrada por el módulo de procesamiento de descarga 600, reduciendo así las componentes externas al intervalo de frecuencia de 0,1 MHz a 100 MHz y produciendo la señal de descarga de salida Sd-out que ha de ser alimentada al dispositivo de adquisición y análisis 300. La señal eléctrica recibida Sn o una señal captada por el sensor de sincronización 13 es transferida al segundo terminal de entrada 11 para formar la primera señal eléctrica de sincronización Ssyn1 que entra al módulo de procesamiento de sincronización 200. El módulo de procesamiento de sincronización 200 amplifica y filtra la primera señal eléctrica de sincronización Ssyn1 produciendo así la segunda señal eléctrica de sincronización Ssyn2 que es suministrada al dispositivo de adquisición y análisis 300.
[0082] Con referencia al funcionamiento del dispositivo de adquisición y análisis 300, el módulo de control 73 realiza una etapa de configuración y una etapa de adquisición. En la etapa de configuración, se establecen parámetros de adquisición, como la ganancia del amplificador programable de banda ancha 71, y el entrenamiento e inicialización del primer módulo de red 800 del módulo lógico de activación 78. El entrenamiento del módulo lógico de activación 78 se realiza considerando al principio un impulso arquetípico sintético (es decir, una forma de impulso específicamente diseñada y que presenta todas las características deseadas) como impulso de referencia. Este impulso arquetípico sintético puede sustituirse posteriormente por uno o más impulsos de referencia RF elegidos entre una pluralidad de señales de descarga ya adquiridas.
[0083] En la etapa de adquisición, la unidad de procesamiento 74, el módulo lógico de activación 78 y el módulo de generación de dirección 79 gestionan el almacenamiento en la memoria 75 de los datos que corresponden a la señal de salida amplificada Saout. Cuando el módulo de activación 78 que implementa el procedimiento de procesamiento 110 detecta, por medio del módulo de red neuronal 800, un índice de similitud SI en el puerto de salida OP1 que indica que una forma de onda de impulso particular cumple el criterio de adquisición, el impulso de forma de onda correspondiente es adquirido bajo la forma de una pluralidad de muestras digitales DS (es decir, almacenadas en la memoria 75) y se detiene la adquisición de datos adicionales. Se observa que la señal de salida amplificada Saout que entra en el módulo de lógica de activación 78 puede ser un flujo de muestras continuo en lugar de un conjunto fijo de muestras. En este caso, como se representa en la figura 7b mediante una flecha DST, la señal de salida amplificada Saout es suministrada al primer módulo de red neuronal 800 desplazando cada muestra a través de los puertos de entrada OP1-OPN, como en un registro de desplazamiento: cuando un impulso válido PWs está en la posición correcta, el puerto de salida de similitud OP1 produce un índice de similitud que tiene el valor 1, señalando así un activador.
[0084] La unidad de procesamiento 74 recoge la información de temporización del módulo de lógica de sincronización 76 y el módulo de temporización 87 y envía la pluralidad de muestras digitales DS almacenadas en la memoria 75 junto con la información de temporización correspondiente al módulo de procesamiento de selección 700.
[0085] El módulo de procesamiento de selección 700 recibe la pluralidad de muestras digitales DS y la información de temporización y, por medio del segundo módulo de red neuronal 900, realiza un filtrado de ruido de señales de descarga de la pluralidad de datos digitales DS implementando el procedimiento de procesamiento 1100. Con el fin de realizar el filtrado de ruido de señales de descarga, el segundo módulo de red neuronal 900 ha sido entrenado previamente con un grupo correspondiente de muestras de referencia que representan una forma de onda de impulso de descarga parcial de referencia. El segundo módulo de red neuronal 900 produce un índice de similitud SI suponiendo valores 1 o 0, indicando así si un impulso particular puede considerarse un impulso de descarga parcial o si debe considerarse un impulso de ruido, respectivamente. El módulo de procesamiento de selección 700 almacena o visualiza la pluralidad de muestras digitales filtradas que muestran un índice de similitud positivo como resultado de los criterios de discriminación basados en el filtrado de ruido de señales de descarga implementado por el segundo módulo de red neuronal 900.
[0086] El segundo módulo de red neuronal 900, u otro módulo de red neuronal, se usa para implementar los criterios de discriminación con respecto a la clasificación de señales de descarga aplicando el procedimiento de procesamiento 1100. Con el fin de realizar la clasificación de señales de descarga, el segundo módulo de red neuronal 900 es entrenado previamente con otro grupo de muestras de referencia que representan otra forma de onda de impulso de descarga parcial de referencia que pertenece a una clase predeterminada. El segundo módulo de red neuronal 900 produce un índice de similitud suponiendo valores 1 o 0, indicando así si un impulso particular puede considerarse perteneciente a la clase predeterminada o tiene que considerarse no incluido en esa clase, respectivamente. El mismo segundo módulo de red neuronal 900 puede usarse para agrupar impulsos pertenecientes a otra clase o subclase.
[0087] Como queda claro para la descripción anterior, el procedimiento de procesamiento de señal de descarga parcial 1100, que usa un módulo de red neuronal entrenado para calcular un índice de similitud, puede emplearse para diversos criterios de discriminación (como: adquisición de impulso, filtrado de ruido de impulso y clasificación de impulso) cambiando el impulso de referencia empleado en la etapa de entrenamiento. Esta flexibilidad del procedimiento descrito se logra con una estructura no compleja que muestra una dificultad de cálculo compatible tanto con aparatos de detección portátiles como no portátiles, permitiendo así el uso del sistema de adquisición de descarga parcial descrito en diferentes entornos.

Claims (17)

REIVINDICACIONES
1. Procedimiento de procesamiento de señales de descarga parcial (1100) que comprende: establecer (1000) un primer criterio de discriminación entre los siguientes criterios: adquisición, filtrado de ruido, clasificación de señales de descarga parcial;
proporcionar (1002) una pluralidad de formas de onda de impulso asociadas con señales de forma de onda de descarga parcial detectadas;
definir (1001) al menos una primera forma de onda de impulso de referencia (RF) que tiene características que dependen del primer criterio establecido;
proporcionar un módulo de red neuronal (800, 900) que tiene un único puerto de salida (OP1 ) configurado para proporcionar un índice de similitud;
realizar un primer entrenamiento (1005) del módulo de red neuronal (800; 900) proporcionando un grupo de referencia de muestras de dicha al menos una primera forma de onda de impulso de referencia al módulo de red neuronal para producir el índice de similitud suponiendo selectivamente un primer valor y un segundo valor representativos de una similitud/no similitud de una forma de onda de impulso con la al menos una primera forma de onda de impulso de referencia (RF), respectivamente; comparar (1006) dicha pluralidad de formas de onda de impulso con la al menos una primera forma de onda de impulso de referencia proporcionando primeros grupos de muestras de dicha pluralidad de formas de onda de impulso al módulo de red neuronal para obtener primeros resultados de índice de similitud en el único puerto de salida;
memorizar/rechazar (1008; 1009) cada forma de onda de impulso comparada basándose en los primeros resultados de índice de similitud obtenidos y en el segundo criterio de discriminación.
2. El procedimiento de procesamiento de la reivindicación 1, que comprende además:
establecer un segundo criterio de discriminación diferente del primer criterio entre: adquisición, filtrado de ruido, clasificación de señales de descarga parcial;
definir al menos una segunda forma de onda de impulso de referencia que tiene características que dependen del segundo criterio establecido;
realizar un segundo entrenamiento de dicho módulo de red neuronal basado en un grupo de referencia adicional de muestras de dicha al menos una segunda forma de onda de impulso de referencia para producir el índice de similitud suponiendo selectivamente el primer valor y el segundo valor representativos de una similitud/no similitud de una forma de onda de impulso de entrada adicional con la al menos una segunda forma de onda de impulso de referencia (RF), respectivamente;
comparar (1006) al menos parte de dicha pluralidad de formas de onda de impulso con la al menos una segunda forma de onda de impulso de referencia proporcionando segundos grupos de muestras de la al menos parte de dicha pluralidad de formas de onda de impulso al módulo de red neuronal para obtener segundos resultados de índice de similitud;
memorizar/rechazar (1008; 1009) cada forma de onda de impulso comparada resultante basándose en los segundos resultados de índice de similitud obtenidos y en el segundo criterio de discriminación.
3. El procedimiento de procesamiento de la reivindicación 1, donde el módulo de red neuronal está configurado para implementar una función de activación incluida en el grupo que comprende: una función no lineal, una función similar a un escalón, una función sigmoide, una función identidad, una función tangente, una función escalón, una función signo, una función lineal por tramos.
4. El procedimiento de procesamiento de la reivindicación 1, donde el módulo de red neuronal (800; 900) comprende:
una pluralidad de puertos de entrada (IP1-IPn), estando configurado cada puerto de entrada para recibir una muestra digital asociada con un impulso de dicha pluralidad de formas de onda de impulso;
al menos un neurodo (ON1 , HN1-HNh ) que tiene asociada una pluralidad de pesos (Wü-Wn), y donde el único puerto de salida (OP1) configurado para proporcionar el índice de similitud está conectado a un neurodo que es un neurodo de salida (ON1 ).
5. El procedimiento de procesamiento de la reivindicación 4, donde dicho módulo de red neuronal tiene la estructura de un perceptrón multicapa y comprende una capa oculta (801) provista de una pluralidad de neurodos ocultos (HN1-HNh ) que tienen entradas conectadas a la pluralidad de puertos de entrada (IP1-IPN).
6. El procedimiento de procesamiento de la reivindicación 5, donde dicho módulo de red neuronal (800; 900) incluye una única capa oculta (801) que tiene salidas conectadas al neurodo de salida (OPN1 ).
7. El procedimiento de procesamiento de la reivindicación 5, donde el primer criterio de discriminación es uno de los siguientes: filtrado de ruido de señales de descarga, clasificación de señales de descarga.
8. El procedimiento de procesamiento de la reivindicación 4, donde el módulo de red neuronal (800; 900) tiene la estructura de un perceptrón e incluye un único neurodo (ON1 ) conectado entre los puertos de entrada ( I P i - I P n ) y el puerto de salida (OP1 ).
9. El procedimiento de procesamiento de la reivindicación 8, donde dicho módulo de red neuronal que tiene la estructura de un perceptrón se usa cuando se ha establecido dicho criterio de adquisición de señales de descarga.
10. El procedimiento de procesamiento de la reivindicación 2, donde dichos primer y segundo criterios de discriminación son el filtrado de ruido de señales de descarga y la clasificación de señales de descarga.
11. El procedimiento de procesamiento de la reivindicación 4, donde realizar el primer entrenamiento incluye: calcular una pluralidad de valores de pesos de dicha pluralidad de pesos (W0-Wn) suministrando al módulo de red neuronal contraejemplos para los que se solicita dicho segundo valor representativo de un resultado de no similitud.
12. El procedimiento de procesamiento de la reivindicación 4, en el que:
dichos primeros grupos de muestras incluyen una pluralidad de grupos de muestras, representando cada grupo de muestras una forma de onda de impulso de dicha pluralidad de formas de onda de impulso; y donde
comparar (1006) dicha pluralidad de formas de onda de impulso con la al menos una primera forma de onda de impulso de referencia incluye:
suministrar cada grupo de muestras a la pluralidad de puertos de entrada (IP1-IP n ) obteniendo un valor de índice de similitud para cada grupo de muestras.
13. El procedimiento de procesamiento de la reivindicación 12, donde antes de suministrar cada grupo de muestras a la pluralidad de puertos de entrada ( I P 1 - I P n ), el procedimiento comprende además:
realizar una normalización de forma de onda (1003) en la que cada muestra del grupo de muestras se divide por un valor máximo absoluto de forma de onda;
realizar una alineación de picos (1004) para que cada muestra de pico de cada grupo de muestras se suministre a un puerto de entrada seleccionado de la pluralidad de puertos de entrada ( I P 1 - I P n ).
14. El procedimiento de procesamiento de la reivindicación 1, donde definir (1001) la al menos primera forma de onda de impulso de referencia (RF) incluye:
sintetizar la al menos primera forma de onda de impulso de referencia de acuerdo con el primer criterio.
15. El procedimiento de procesamiento de la reivindicación 1, donde definir (1001) la primera forma de onda de impulso de referencia (RF) incluye:
seleccionar la al menos una primera forma de onda de impulso de referencia de entre dicha pluralidad de formas de onda de impulso.
16. El procedimiento de la reivindicación 1, que incluye además:
detectar dichas señales de forma de onda de descarga parcial (Sd) asociadas con descargas parciales de un objeto eléctrico (100); detectar una señal electromagnética de sincronización (Sup) generada por una tensión eléctrica de corriente alterna asociada con el funcionamiento de un componente eléctrico que funciona a la misma tensión eléctrica de corriente alterna suministrada al objeto eléctrico (100);
sincronizar dichas señales de forma de onda de descarga parcial a dicha señal electromagnética de sincronización (Sup).
17. Sistema de procesamiento de señales de descarga parcial (500) que comprende:
un dispositivo de detección (1, 2, 3, 600) estructurado para detectar una pluralidad de formas de onda de impulso asociadas con señales de forma de onda de descarga parcial detectadas;
un módulo de procesamiento (300; 700) conectado al dispositivo de detección y que comprende: un módulo de red neuronal entrenado (800; 900) que comprende:
un módulo de entrada (IP1-IP n) para recibir una forma de onda de impulso de entrada de dicha pluralidad de formas de onda de impulso;
un módulo de comparación (801; ON1 ) conectado al módulo de entrada ( I P 1 - I P n ) y estructurado para comparar una forma de onda de impulso de referencia (RF) con la forma de onda de impulso de entrada; y
un único puerto de salida (OP1 ) conectado al módulo de comparación (801; ON1 ) y estructurado para proporcionar un índice de similitud (SI) suponiendo selectivamente un primer valor o un segundo valor de una similitud/no similitud de la forma de onda de impulso de entrada con la forma de onda de impulso de referencia (RF), respectivamente, representativos de
la naturaleza de la forma de onda de impulso detectada,
donde dicho módulo de procesamiento (300; 700) incluye
un módulo de configuración (1000) estructurado para establecer un criterio de discriminación seleccionado entre los siguientes: adquisición de señales de descarga, filtrado de ruido de señales de descarga, clasificación de señales de descarga; y un módulo de selección de referencia (100) conectado al módulo de configuración (1000) y estructurado para seleccionar la forma de onda de impulso de referencia (RF) que tiene características que dependen del criterio de discriminación seleccionado.
ES13724774T 2013-05-10 2013-05-10 Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal Active ES2760617T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2013/059715 WO2014180508A1 (en) 2013-05-10 2013-05-10 Partial discharge signal processing method and apparatus employing neural network

Publications (1)

Publication Number Publication Date
ES2760617T3 true ES2760617T3 (es) 2020-05-14

Family

ID=48485139

Family Applications (1)

Application Number Title Priority Date Filing Date
ES13724774T Active ES2760617T3 (es) 2013-05-10 2013-05-10 Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal

Country Status (10)

Country Link
US (1) US10408873B2 (es)
EP (1) EP2994856B1 (es)
CN (1) CN105210088B (es)
AR (1) AR096219A1 (es)
AU (1) AU2013389280B2 (es)
BR (1) BR112015028010B1 (es)
CA (1) CA2909903C (es)
DK (1) DK2994856T3 (es)
ES (1) ES2760617T3 (es)
WO (1) WO2014180508A1 (es)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2948690C (en) * 2014-05-16 2022-04-26 Prysmian S.P.A. A partial discharge acquisition system comprising a capacitive coupling electric field sensor
KR101787901B1 (ko) * 2016-06-14 2017-11-15 엘에스산전 주식회사 전력설비 진단장치
CN110325929B (zh) * 2016-12-07 2021-05-25 阿瑞路资讯安全科技股份有限公司 用于检测有线网络变化的信号波形分析的系统和方法
EP3577475A1 (en) * 2017-03-02 2019-12-11 Rosemount Inc. Trending functions for partial discharge
CN107192929B (zh) * 2017-06-21 2023-11-03 贵州电网有限责任公司电力科学研究院 用于特高频监测系统校验的gis局放信号源系统及使用方法
CN107942210A (zh) * 2017-11-14 2018-04-20 国网上海市电力公司 变压器脉冲电流局部放电波形的分类和去噪方法及系统
JP7130542B2 (ja) * 2018-12-12 2022-09-05 株式会社日立製作所 部分放電検出装置及び部分放電検出方法
JP7282000B2 (ja) * 2019-08-30 2023-05-26 株式会社日立製作所 部分放電判定装置及び方法
US11313895B2 (en) 2019-09-24 2022-04-26 Rosemount Inc. Antenna connectivity with shielded twisted pair cable
CN110768661B (zh) * 2019-10-21 2022-10-28 中国科学技术大学 一种基于神经网络的锁相放大器
IT202000004303A1 (it) * 2020-03-02 2021-09-02 St Microelectronics Srl Circuito per rilevare scariche parziali, dispositivo, sistema e procedimento corrispondenti
CN111985528B (zh) * 2020-07-06 2024-04-23 国网天津市电力公司 一种基于pdgan的电缆局放数据增强方法
CN112782538A (zh) * 2020-12-25 2021-05-11 深圳供电局有限公司 基于超低频电源开断信号的电缆局部放电检测方法和装置
CN112698170A (zh) * 2021-01-18 2021-04-23 上海格鲁布科技有限公司 基于时域波形的特高频局部放电检测抗干扰方法
CN112949109B (zh) * 2021-01-26 2023-04-07 西北核技术研究所 基于深度神经网络的架空线电磁脉冲传导环境的预测方法
CN113447769A (zh) * 2021-05-31 2021-09-28 华东电力试验研究院有限公司 基于二维特征参数平面的pd脉冲群手动快速提取系统
JP7412392B2 (ja) * 2021-08-06 2024-01-12 株式会社日立製作所 部分放電判定装置及び方法
CN113376494B (zh) * 2021-08-16 2021-11-09 国网江苏省电力有限公司电力科学研究院 一种电缆火情隐患潜在缺陷的检测方法
CN114167238A (zh) * 2021-12-03 2022-03-11 广东电网有限责任公司广州供电局 电缆局部放电的检测方法、装置、系统、设备及存储介质
CN114065824B (zh) * 2022-01-17 2022-04-19 陕西公众电气股份有限公司 一种对局部放电信号类型快速识别的方法
CN114777818B (zh) * 2022-03-09 2024-03-15 西门子数控（南京）有限公司 编码器的信号激励单元及编码器
CN115166453B (zh) * 2022-09-08 2023-01-24 国网智能电网研究院有限公司 基于边缘实时射频脉冲分类的局放连续监测方法及装置
CN116226647B (zh) * 2023-05-06 2023-07-28 北京云道智造科技有限公司 电力电缆局部放电模式的识别方法、装置、设备及介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2883352B2 (ja) 1989-05-10 1999-04-19 一幸 合原 部分放電検出方法
JP2877347B2 (ja) 1989-05-10 1999-03-31 一幸 合原 ケーブルの部分放電検出方法
JP3100757B2 (ja) 1992-06-02 2000-10-23 三菱電機株式会社 監視診断装置
JP3107357B2 (ja) 1995-06-12 2000-11-06 日立電線株式会社 部分放電判別法
JP4157636B2 (ja) * 1999-01-28 2008-10-01 株式会社日立製作所 ガス絶縁機器の部分放電診断装置
FR2855878B1 (fr) * 2003-06-05 2005-08-05 Alstom Methode de detection de decharges partielles et systeme de diagnostic pour appareil electrique
KR100729068B1 (ko) * 2005-10-26 2007-06-14 한국전력공사 광대역 극초단파 모사 부분방전신호 및 신호유형패턴 발생장치
ITRM20080304A1 (it) 2008-06-11 2009-12-12 Univ Palermo Dispositivo portatile per la rilevazione di scariche parziali
CN102221651B (zh) * 2011-03-11 2015-05-27 太原理工大学 一种矿用隔爆型干式变压器故障在线诊断及预警方法
CN102809718B (zh) * 2012-07-25 2015-07-01 华南理工大学 一种gis超高频局部放电信号识别方法

Also Published As

Publication number Publication date
CA2909903C (en) 2020-11-24
CA2909903A1 (en) 2014-11-13
AU2013389280B2 (en) 2019-11-21
BR112015028010A2 (es) 2017-09-05
DK2994856T3 (da) 2019-12-09
US20160116520A1 (en) 2016-04-28
US10408873B2 (en) 2019-09-10
AR096219A1 (es) 2015-12-16
CN105210088A (zh) 2015-12-30
AU2013389280A1 (en) 2015-10-29
WO2014180508A1 (en) 2014-11-13
EP2994856B1 (en) 2019-09-11
BR112015028010B1 (pt) 2022-07-19
EP2994856A1 (en) 2016-03-16
CN105210088B (zh) 2018-07-13

Similar Documents

Publication Publication Date Title
ES2760617T3 (es) Procedimiento de procesamiento de señales de descarga parcial y aparato que emplea una red neuronal
Ha et al. Fault detection on transmission lines using a microphone array and an infrared thermal imaging camera
ES2733744T3 (es) Aparato y procedimiento de detección de descarga parcial
ES2372021T3 (es) Detección, localización e interpretación de una descarga parcial.
CN105548832B (zh) 高压电力电缆故障识别方法
Chan et al. Time-frequency sparsity map on automatic partial discharge sources separation for power transformer condition assessment
CN109799434A (zh) 局部放电模式识别系统及方法
CN108120907B (zh) 一种基于工频至低频电压下特征提取的局部放电诊断方法
CN107966638B (zh) 校正误差的方法和装置、存储介质及处理器
BR112016026330B1 (pt) Dispositivo de detecção de descarga parcial, e, método para adquirir sinais de descarga parcial
MX2012013801A (es) Nuevo procedimiento para ensayar y diagnosticar en tiempo real las fuentes de descargas parciales que se produzcan en equipos e instalaciones de alta tension en servicio o fuera de servicio y su sistema fisico para la aplicacion practica del procedimiento.
Gu Identification of partial discharge defects in gas-insulated switchgears by using a deep learning method
CN106503612A (zh) 基于压缩感知理论的直流电缆局部放电信号模式识别方法及系统
WO2016088179A1 (ja) 部分放電判別装置及び部分放電判別方法
CN203191508U (zh) 一种基于暂态地电波的gis局部放电检测试验平台
CN115993511A (zh) 一种局部放电类型高精度检测识别装置、方法和设备
ES2400025T3 (es) Sensor de monedas
Uckol et al. Identification of corona discharges based on wavelet scalogram images with deep convolutional neural networks
Aslan et al. ANN based fault location for medium voltage distribution lines with remote-end source
Quizhpi-Cuesta et al. Classification of partial discharge in pin type insulators using fingerprints and neural networks
Wang et al. Acoustic detection and decision fusion recognition of PD in power cable
Ahmad et al. Bidirectional LSTM Based Partial Discharge Pattern Analysis for Fault Detection in Medium Voltage Overhead Lines with Covered Conductors
WO2016209072A1 (en) Measuring device for measuring change in dielectric properties in an environment with variable dielectric properties
Khan Partial Discharge defects recognition using different Neural Network Model in XLPE cable under the DC stress
Shariatinasab et al. A novel wavelet-neural network method for fault location analysis on transmission lines